diff --git a/module2/exo1/toy_document_fr.Rmd b/module2/exo1/toy_document_fr.Rmd
index 79f18d69d440fa5be08bd947ea6633e84135152e..c0e91bc70f4107225547a36745940cd4cddbfad1 100644
--- a/module2/exo1/toy_document_fr.Rmd
+++ b/module2/exo1/toy_document_fr.Rmd
@@ -10,19 +10,22 @@ knitr::opts_chunk$set(echo = TRUE)
 ```
 ## En demandant à la lib maths
 Mon ordinateur m'indique que $\pi$ vaut *approximativement*
-```{r cars}pi
+
+```{r cars}
+pi
 ```
 ## En utilisant la méthode des aiguilles de Buffon
-Mais calculé avec la __méthode__ des [aiguilles de Buffon]
-(https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), 
+Mais calculé avec la __méthode__ des [aiguilles de Buffon](https://fr.wikipedia.org/wiki/Aiguille_de_Buffon), 
 on obtiendrait comme __approximation__ :
+
 ```{r}
-set.seed(42)	
+set.seed(42)   
 N = 100000
 x = runif(N)
 theta = pi/2*runif(N)
 2/(mean(x+sin(theta)>1))	
 ```
+
 ## Avec un argument "fréquentiel" de surface
 Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d'appel
 à la fonction sinus se base sur le fait que  
@@ -31,8 +34,9 @@ alors $P[X^2+Y^2\leq 1] = \pi/4$
 (voir [méthode de Monte Carlo sur Wikipedia]
 (https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Monte-Carlo#D%C3%A9termination_de_la_valeur_de_%CF%80)). 
 Le code suivant illustre ce fait :
+
 ```{r}	
-set.seed(42)	
+set.seed(42)  	
 N = 1000	
 df = data.frame(X = runif(N), Y = runif(N))	
 df$Accept = (df$X**2 + df$Y**2 <=1)